正在播放：深度学习顶级算法详解05 Faster-Rcnn框架实验结果评估
下载学院APP缓存视频离线看
购买本课程后即可享受以下服务:
24小时讲师答疑
所有课时永久观看
购买课程返学分
优惠价 ?89 原价?128
购买本课程后，就可以记笔记了~~
开始记笔记……
记录时间点
我的笔记同学的笔记
购买本课程后，就可以提问题了~~
向老师提问……
记录时间点
我的问题同学的问题SSD好强，看上去faster-rcnn已经过时了_人工智能吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：47,219贴子：
SSD好强，看上去faster-rcnn已经过时了收藏
原作者自己改了一个caffe版本，很难移植出来
faster rcnn原理：用vgg网络的输出特征做proposal，选出ROI，再根据ROI把ROI部分的特征趴出来，再分类
SSD可以表示成这种形式，一个主神经网络(base network)，其实就是VGG16后面再多加一堆卷积层，然后中间抽一些各个尺度的feature map出来，侧面加小卷积层预测物体的位置（loc）和种类（conf），再把所有的loc和conf集成起来输出最终结果
网络结构：中间的fc6, fc7其实是卷积层，只是懒得改名字其中如下关键结构将被重复多次，三个并列的红框卷积过程， 第二个属于主神经网络的一部分，第一个卷积得到这个尺度上预测出的物体位置选框（每一层的候选物体位置选框的数量和大小是固定写死的），第三个卷积得到这个尺度上的物体标签概率。
主CNN，中间抽一些层来作为两个子CNN的输入，两个子CNN（两层）一个负责生成loc表征图谱，另一个生成conf表征图谱，再经过一个卷积层生成一个称为default box的表征，default box有多个尺度，如4*4或8*8，其中在每个格子上又强制定义以此格子为中心的，长宽各异的k种选框，假设候选物体识别标签数量为c， 则k个选框中每个都要标记长度为c的物体概率分布，和长度为4的位置微调Δloc。 则以m×n的default box为例， 其应为m*n*k*(c+4)维向量。
1l的文件打不开，可以网盘共享么。
请问各位，作者主页上的Download fully convolutional reduced (atrous) VGGNet. By default, we assume the model is stored in$CAFFE_ROOT/models/VGGNet/这一步根本下载不下来，怎么办？在哪可以找到他改的vggnet
faster rcnn遇到小物体很容易跪～
美国人工智能研究生,出国留学优选天道,51个哈佛,71个耶鲁,986个哥大,录取战绩业内领先.美国人工智能研究生录取条件解析,天道资深留学专家为你量身定做美国理科专业名校之..
之前清华有个HyperNet，也整合了多个卷积层的feature map（好像是4月份的文章），但较faster rcnn提升有限。
最近想在电脑上跑一下ssd，根据github上的教程到了第二步：Build the code. Please follow Caffe instruction to install all necessary packages and build it.直接make报错了。是不是还得自己配置caffe环境，再修改makefile的参数？？？求交流，特别是成功运行了ssd的大神！
反正用VGG做 fine tuning的，在CPU下都实时不了。
你是怎么知道SSD对小物体检测不如FASTER-RCNN的？我刚想把SSD移植到机器人上。悲剧了。
我用ssd 300*300训练人脸检测，发现人脸太小确是无法检测到
你从哪里看出来faster过时了？现在不管是voc还是coco，faster rcnn都稳居第一。ssd模型看上去并没有faster那么优雅，roipooling没有多尺度的限制。ssd最大的贡献是与yolo这种高速模型比较在性能有很大提升。不过我觉得10帧/s其实也已经足够好
吧主又在打击人啊你说的我完全不知道！要怎么补？
一般用yolo足够了，faster-rcnn, ssd这种学术界刷准确率的模型不实用推荐darknet yolo，纯C，有内存泄露问题自己解决一下
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或faster_rcnn-m 基于深度学习的实时跟踪代码，在caffe库的基础上，采用 框架cnn 是vgg，到达 Special Effects 图形图像处理 259万源代码下载-
&文件名称: faster_rcnn-master& & [
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 99 KB
&&上传时间:
&&下载次数: 14
&&提 供 者:
&详细说明：基于深度学习的实时跟踪代码，在caffe库的基础上，采用的基础框架cnn框架是vgg，到达实时跟踪效果-Based on real-time tracking codes depth study, based on caffe library on the basis of the framework cnn framework uses vgg, it reaches real-time tracking effect
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&faster_rcnn-master&&..................\.gitattributes&&..................\.gitignore&&..................\.gitmodules&&..................\LICENSE&&..................\README.md&&..................\experiments&&..................\...........\+Dataset&&..................\...........\........\private&&..................\...........\........\.......\voc0712_devkit.m&&..................\...........\........\.......\voc2007_devkit.m&&..................\...........\........\.......\voc2012_devkit.m&&..................\...........\........\voc0712_trainval.m&&..................\...........\........\voc0712_trainval_ss.m&&..................\...........\........\voc0712plus_trainval.m&&..................\...........\........\voc0712plus_trainval_ss.m&&..................\...........\........\voc2007_test.m&&..................\...........\........\voc2007_test_ss.m&&..................\...........\........\voc2007_trainval.m&&..................\...........\........\voc2007_trainval_ss.m&&..................\...........\........\voc2012_test.m&&..................\...........\........\voc2012_trainval.m&&..................\...........\+Faster_RCNN_Train&&..................\...........\..................\do_fast_rcnn_test.m&&..................\...........\..................\do_fast_rcnn_train.m&&..................\...........\..................\do_proposal_test.m&&..................\...........\..................\do_proposal_train.m&&..................\...........\..................\gather_rpn_fast_rcnn_models.m&&..................\...........\..................\set_cache_folder.m&&..................\...........\+Model&&..................\...........\......\VGG16_for_Fast_RCNN_VOC0712.m&&..................\...........\......\VGG16_for_Fast_RCNN_VOC2007.m&&..................\...........\......\VGG16_for_Faster_RCNN_VOC0712.m&&..................\...........\......\VGG16_for_Faster_RCNN_VOC0712plus.m&&..................\...........\......\VGG16_for_Faster_RCNN_VOC2007.m&&..................\...........\......\VGG16_for_Faster_RCNN_VOC2012.m&&..................\...........\......\ZF_for_Fast_RCNN_VOC0712.m&&..................\...........\......\ZF_for_Fast_RCNN_VOC2007.m&&..................\...........\......\ZF_for_Faster_RCNN_VOC0712.m&&..................\...........\......\ZF_for_Faster_RCNN_VOC2007.m&&..................\...........\script_fast_rcnn_VOC0712_VGG16.m&&..................\...........\script_fast_rcnn_VOC0712_ZF.m&&..................\...........\script_fast_rcnn_VOC2007_VGG16.m&&..................\...........\script_fast_rcnn_VOC2007_ZF.m&&..................\...........\script_faster_rcnn_VOC0712_VGG16.m&&..................\...........\script_faster_rcnn_VOC0712_ZF.m&&..................\...........\script_faster_rcnn_VOC0712plus_VGG16.m&&..................\...........\script_faster_rcnn_VOC2007_VGG16.m&&..................\...........\script_faster_rcnn_VOC2007_ZF.m&&..................\...........\script_faster_rcnn_VOC2012_VGG16.m&&..................\...........\script_faster_rcnn_demo.m&&..................\external&&..................\........\caffe&&..................\faster_rcnn_build.m&&..................\fetch_data&&..................\..........\fetch_caffe_mex_windows_vs2013_cuda65.m&&..................\..........\fetch_faster_rcnn_final_model.m&&..................\..........\fetch_model_VGG16.m&&..................\..........\fetch_model_ZF.m&&..................\functions&&..................\.........\fast_rcnn&&..................\.........\.........\fast_rcnn_bbox_transform.m&&..................\.........\.........\fast_rcnn_bbox_transform_inv.m&&..................\.........\.........\fast_rcnn_config.m&&..................\.........\.........\fast_rcnn_conv_feat_detect.m&&..................\.........\.........\fast_rcnn_generate_sliding_windows.m&&..................\.........\.........\fast_rcnn_get_minibatch.m&&..................\.........\.........\fast_rcnn_im_detect.m&&..................\.........\.........\fast_rcnn_map_im_rois_to_feat_rois.m&&..................\.........\.........\fast_rcnn_prepare_image_roidb.m&&..................\.........\.........\fast_rcnn_test.m&&..................\.........\.........\fast_rcnn_train.m&&..................\.........\nms&&..................\.........\...\nms.m&&..................\.........\...\nms_gpu_mex.cu&&..................\.........\...\nms_mex.cpp&&..................\.........\...\nms_multiclass.m&&..................\.........\...\nms_multiclass_mex.cpp&&..................\.........\...\nvmex.m&&..................\.........\rpn&&..................\.........\...\proposal_calc_output_size.m&&..................\.........\...\proposal_config.m&&..................\.........\...\proposal_generate_anchors.m&&..................\.........\...\proposal_generate_minibatch.m&&..................\.........\...\proposal_im_detect.m&&..................\.........\...\proposal_locate_anchors.m&&..................\.........\...\proposal_prepare_image_roidb.m&&..................\.........\...\proposal_test.m&&..................\.........\...\proposal_train.m&&..................\.........\...\proposal_visual_debug.m&&..................\imdb&&..................\....\get_voc_opts.m&&..................\....\imdb_eval_voc.m&&..................\....\imdb_from_voc.m&&..................\....\roidb_from_proposal.m&&..................\....\roidb_from_voc.m&&..................\startup.m&&..................\utils&&..................\.....\RectLTRB2LTWH.m&&..................\.....\RectLTWH2LTRB.m
&[]:纯粹是垃圾&[]:纯粹是垃圾
&近期下载过的用户:
&&&&&&&&&&&&&&[]
&输入关键字，在本站259万海量源码库中尽情搜索：
&[] - 加载两张图片，选择脸部对应点，运行之后产生50张渐变中间图。然后请另找代码将其生成视频。
&[] - 用Matlab实现的孔洞填充算法，可实现类似Matlab imfill函数的功能，填充图像小孔洞
&[] - use cuda with matlab. this is for older versions of matlab and users that dont have the pct
&[] - Wang, Lijun等提供的卷积神经网络跟踪算法，详细内容可参见论文Visual Tracking with Fully Convolutional Networks，测试运行环境为64-bit Arch Linux OS
&[] - 卷积神经网络的一种开源代码，可以对图像数据库自动提取特征
&[] - 香港中文大学汤晓鸥教授 使用卷积神经网络（CNN）实现超分辨率